📄 medicine

Factors Influencing Clinical Nurses’ Intention to Use and Actual Use of Generative Artificial Intelligence in China: A Multicentre Cross-sectional Study

Este estudo transversal multicêntrico com 1.921 enfermeiros clínicos na China revela que a sua intenção de usar e a adoção real da inteligência artificial generativa são significativamente impulsionadas pela utilidade percebida, facilidade de uso, influência social e confiança, ao mesmo tempo que são dificultadas pelos riscos percebidos, destacando a necessidade de estratégias que aumentem o valor e abordem as preocupações de segurança para facilitar a integração da IA na prática de enfermagem.

Autores originais: Xiaoyan Gong, Lili Wu, Shan Li, Rongping Cha, Yijing Weng, Yeru Xia, Yunxia Shen, Jingbang Liu

Publicado 2026-06-25

📖 5 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Xiaoyan Gong, Lili Wu, Shan Li, Rongping Cha, Yijing Weng, Yeru Xia, Yunxia Shen, Jingbang Liu

Artigo original sob licença CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine uma ala hospitalar como uma cozinha movimentada. Durante anos, os chefs (enfermeiros) têm cozinhado com ferramentas tradicionais. Agora, um novo assistente robô superinteligente (IA Generativa) chegou, prometendo picar vegetais, escrever receitas e até sugerir novos pratos. Mas antes que os chefs comecem a usar esse robô, eles precisam decidir: Ele é realmente útil? É fácil de usar? Eu confio que ele não vai queimar a comida? E eu tenho permissão para usá-lo?

Este estudo é como uma pesquisa gigante enviada a quase 2.000 chefs em hospitais chineses para responder exatamente a essas perguntas. Os pesquisadores queriam saber o que faz um enfermeiro dizer "Sim, vou usar esta IA" e o que realmente os impede de usá-la.

Aqui está o que eles descobriram, dividido em conceitos simples:

Os Principais Ingredientes para a Adoção

Os pesquisadores utilizaram uma receita popular para entender novas tecnologias chamada UTAUT (Teoria Unificada de Aceitação e Uso de Tecnologia). Pense nisso como um checklist para saber se alguém irá experimentar um novo dispositivo. Eles adicionaram alguns ingredientes extras específicos para a IA: Confiança e Risco.

Aqui estão as quatro principais coisas que fizeram os enfermeiros quererem usar a IA:

O Fator "Isso me ajuda?" (Expectativa de Desempenho):
- A Analogia: Se o robô consegue picar cebolas em 2 segundos em vez de 2 minutos, o chef fica feliz.
- A Descoberta: Este foi o maior motivo pelo qual os enfermeiros quiseram usar a IA. Se eles acreditassem que a ferramenta realmente tornaria seu trabalho mais fácil ou melhor, seriam muito mais propensos a experimentá-la.
O Fator "É difícil de aprender?" (Expectativa de Esforço):
- A Analogia: Se o robô tem um controle remoto complicado com 50 botões, o chef não vai tocá-lo. Se ele tiver apenas um botão "Iniciar", ele o fará.
- A Descoberta: Os enfermeiros queriam saber se a ferramenta era fácil de usar. Se parecesse simples e intuitiva, eles estariam mais dispostos a adotá-la.
O Fator "Posso confiar nele?" (Confiança na Tecnologia):
- A Analogia: Você deixaria um robô cozinhar a comida do seu bebê se não tivesse certeza de que ele não adicionaria veneno?
- A Descoberta: Os enfermeiros precisavam acreditar que a IA era confiável e segura. Se eles achassem que a IA poderia inventar fatos (alucinações) ou dar conselhos médicos errados, eles hesitavam.
O Fator "O que os outros pensam?" (Influência Social):
- A Analogia: Se o chef principal e toda a equipe da cozinha estão elogiando o novo robô, você também terá mais probabilidade de experimentá-lo.
- A Descoberta: Se colegas e gestores incentivassem o uso da IA, os enfermeiros seriam mais propensos a seguir o exemplo, embora isso importasse menos do que a utilidade ou a facilidade de uso.

O "Sinal de Pare"

Houve um fator importante que atuou como um pedal de freio: Risco Percebido.

A Analogia: Se o chef acha que o robô pode vazar dados, roubar segredos ou ferir um paciente, ele não o usará, não importa o quão rápido ele seja.
A Descoberta: O medo de erros, vazamentos de privacidade ou questões éticas reduziu significamente a intenção de usar a IA.

O "Empurrão" do Gerente da Cozinha

Mesmo que um enfermeiro queira usar a IA, ele não pode fazê-lo sem as ferramentas certas.

A Descoberta: Condições Facilitadoras (ter os computadores, internet e treinamento adequados) eram cruciais. Você pode ter a melhor receita, mas se não tiver um fogão, não pode cozinhar.

Quem a Usa de Forma Diferente?

O estudo notou que diferentes grupos de enfermeiros reagiram de forma diferente, como diferentes tipos de cozinheiros:

Homens vs. Mulheres:
- Mulheres pareciam se importar mais se a ferramenta era útil e o que seus colegas pensavam.
- Homens (embora houvesse menos deles no estudo) pareciam se importar mais se podiam confiar na máquina.
Jovens vs. Mais Velhos:
- Enfermeiros mais jovens (20–30 anos) eram movidos por quão útil e fácil a ferramenta era.
- Enfermeiros mais velhos (41+) eram muito mais sensíveis ao risco. À medida que envelheciam, o medo de cometer um erro ou de a ferramenta ser insegura tornava-se uma barreira maior. Curiosamente, os enfermeiros mais velhos confiavam menos na tecnologia do que os mais jovens.
Dispostos vs. Não Dispostos:
- Enfermeiros que já estavam dispostos a usar a IA responderam a todos os fatores usuais (utilidade, facilidade, confiança).
- Enfermeiros que estavam indiferentes ou não dispostos não pareciam se importar com utilidade ou confiança. Para eles, a única coisa que importava era se eram forçados a usar ou se o sistema tornava impossível evitá-lo.

A Conclusão Final

O estudo conclui que, para a IA se tornar parte da rotina diária de um enfermeiro, os hospitais precisam fazer três coisas:

Mostrar o valor: Provar que ela realmente economiza tempo e ajuda os pacientes.
Construir confiança: Garantir que a IA seja segura, confiável e explicável.
Gerenciar o medo: Abordar diretamente as preocupações sobre privacidade e erros.

Os pesquisadores também observaram que, como eles apenas perguntaram aos enfermeiros uma vez (um "instantâneo" no tempo), não podem dizer com certeza que esses fatores causam o uso, apenas que estão fortemente ligados a ele. Eles sugerem que estudos futuros acompanhem os enfermeiros por um período mais longo para ver como esses sentimentos mudam.

Em resumo: os enfermeiros estão prontos para usar a IA, mas apenas se ela for útil, fácil, segura e se sentirem que o hospital os apoia enquanto aprendem a usá-la.

Resumo Técnico: Fatores que Influenciam a Intenção e o Uso Real de Inteligência Artificial Generativa por Enfermeiros Clínicos na China

Problema
Embora a inteligência artificial generativa (GenAI) possua um potencial transformador para a prática de enfermagem — abrangendo desde a automação da documentação até o suporte à decisão clínica — as evidências empíricas sobre os fatores específicos que impulsionam sua adoção entre enfermeiros clínicos permanecem limitadas. A literatura existente frequentemente aborda a adoção de IA em contextos gerais de saúde ou populações mistas, falhando em considerar as características profissionais únicas dos enfermeiros, que constituem o maior grupo de profissionais de saúde. Além disso, a integração da GenAI introduz desafios específicos, incluindo riscos de alucinações de informações, viés e preocupações éticas, que podem influenciar a aceitação do usuário de forma diferente das tecnologias tradicionais. Há uma necessidade crítica de compreender os determinantes tanto da intenção comportamental quanto do comportamento de uso real entre enfermeiros clínicos para facilitar uma implementação bem-sucedida.

Metodologia
Este estudo empregou um delineamento de levantamento transversal multicêntrico realizado na China entre julho e agosto de 2025.

Participantes: Um total de 1.921 respostas válidas foram coletadas de enfermeiros registrados em diversas instituições de saúde por meio de amostragem por conveniência.
Estrutura Teórica: A pesquisa utilizou um modelo estendido da Teoria Unificada de Aceitação e Uso de Tecnologia (UTAUT). Os construtos originais do UTAUT (Expectativa de Desempenho, Expectativa de Esforço, Influência Social e Condições Facilitadoras) foram aumentados com Confiança na Tecnologia e Risco Percebido para refletir melhor o contexto específico da GenAI na enfermagem.
Instrumento: Um questionário estruturado foi desenvolvido com base em instrumentos validados do UTAUT e refinado por meio de uma consulta Delphi de duas rodadas com 15 especialistas em enfermagem. O instrumento mediu sete dimensões: Expectativa de Desempenho (PE), Expectativa de Esforço (EE), Influência Social (SI), Condições Facilitadoras (FC), Confiança na Tecnologia (TR), Risco Percebido (PR) e Intenção Comportamental (BI). O Comportamento de Uso Real (UB) foi medido via frequência e escopo de uso de GenAI autorrelatados.
Análise: Os dados foram analisados utilizando Modelagem de Equações Estruturais (SEM) para testar as relações hipotetizadas. A confiabilidade e a validade foram avaliadas via alfa de Cronbach, Confiabilidade Composta (CR), Variância Extraída Média (AVE) e o critério de Fornell-Larcker. Análises de múltiplos grupos foram realizadas para examinar os efeitos moderadores de gênero, idade e voluntariedade de uso.

Principais Contribuições

Modelo UTAUT Estendido para GenAI: O estudo integra Confiança na Tecnologia e Risco Percebido ao framework padrão do UTAUT, fornecendo um modelo mais matizado para entender a adoção de IA generativa especificamente dentro da enfermagem clínica.
Foco Duplo em Intenção e Comportamento: Diferente de muitos estudos que focam apenas na intenção, esta pesquisa examina o caminho da intenção comportamental para o comportamento de uso real, identificando as Condições Facilitadoras como uma ponte crítica.
Heterogeneidade Demográfica: O estudo fornece insights granulares sobre como os impulsionadores da adoção variam entre gênero, idade e voluntariedade, desafiando a suposição de uma aceitação tecnológica uniforme entre enfermeiros.

Resultados

Determinantes da Intenção Comportamental:
- A Expectativa de Desempenho (PE) foi o preditor positivo mais forte da intenção comportamental ( $\beta = 0,302, p < 0,001$ ).
- A Expectativa de Esforço (EE) ( $\beta = 0,235, p < 0,001$ ) e a Confiança na Tecnologia (TR) ( $\beta = 0,207, p < 0,001$ ) também mostraram associações positivas significativas.
- A Influência Social (SI) teve um efeito positivo menor, porém significativo ( $\beta = 0,094, p = 0,004$ ).
- O Risco Percebido (PR) foi significativamente associado negativamente com a intenção comportamental ( $\beta = -0,134, p < 0,001$ ).
Determinantes do Comportamento de Uso Real:
- A Intenção Comportamental (BI) foi o principal impulsionador do uso real ( $\beta = 0,409, p < 0,001$ ).
- As Condições Facilitadoras (FC) (ex: suporte organizacional, recursos) também foram significativamente associadas ao uso real ( $\beta = 0,289, p < 0,001$ ), independentemente da intenção.
Efeitos Moderadores:
- Gênero: Para enfermeiras, PE, EE, SI e TR foram preditores significativos. Para enfermeiros, apenas EE e TR foram significativos; PE e SI não foram. A confiança na tecnologia pareceu mais saliente para os homens.
- Idade: O risco percebido tornou-se um preditor negativo mais significativo com o aumento da idade. Por outro lado, a influência da Confiança na Tecnologia enfraqueceu entre enfermeiros com 41 anos ou mais.
- Voluntariedade: No grupo "disposto", todos os caminhos hipotetizados foram significativos. Nos grupos "neutro" e "indisposto", a maioria das variáveis antecedentes perdeu significância estatística, sugerindo que a motivação intrínseca altera o mecanismo de adoção.

Significância e Alegações
Os autores afirmam que a adoção de GenAI por enfermeiros clínicos é um processo multifacetado impulsionado principalmente pela utilidade percebida, facilidade de uso e confiança, enquanto é dificultada pelos riscos percebidos. O estudo postula que a integração bem-sucedida requer estratégias que vão além do simples treinamento; elas devem abordar ativamente as preocupações de segurança e construir confiança institucional.

O artigo enfatiza que o suporte organizacional (Condições Facilitadoras) é crucial para traduzir a intenção em prática real. Além disso, os autores afirmam que uma abordagem de "tamanho único" é insuficiente; as estratégias de implementação devem ser adaptadas a subgrupos específicos, como priorizar a gestão de riscos para enfermeiros mais velhos e aumentar o valor percebido para os cohorts mais jovens.

Limitações
Os autores reconhecem modestamente várias limitações:

Causalidade: O delineamento transversal impede inferências causais.
Amostragem: O uso de amostragem por conveniência pode introduzir viés de seleção, potencialmente super-representando enfermeiros com interesse prévio em IA.
Autorrelato: A dependência de dados de medidas autorrelatadas pode introduzir viés de método comum, apesar dos esforços de mitigação.
Generalização: O estudo foi conduzido dentro de um único contexto nacional (China), o que pode limitar a aplicabilidade dos achados a outros sistemas de saúde.

O artigo conclui fazendo um chamado para pesquisas longitudinais para entender melhor as relações causais e a evolução da adoção de IA ao longo do tempo.